祁连山不同植被类型对积雪消融的影响

为研究祁连山植被对积雪消融的影响, 利用人工调查积雪深度逐日变化量和积雪盖度变化, 并结合空气雪面感热通量(SH)观测, 对祁连山水源林生态站排露沟流域海拔2 600～2 700 m青海云杉林、灌丛林、林缘、阳坡草地在2003-2007年的积雪消融进行了研究, 每年的观测从10月降雪开始到翌年5月积雪消融完结束, 共获取数据134 400个. 结果表明: 当SH<0时, 积雪消融停止;当SH>0时, 积雪消融开始;植被可以减缓积雪消融速率, 有植被的地方消融速率减慢, 反之则加快;不同植被消融速率大小顺序为草地>林缘>灌木林>乔木林;同一植被、不同坡向消融速率不同, 半阳坡云杉林＞半阴坡云杉林＞阴坡云杉林. 积雪含水率随气温升高而增大, 1月融化积雪占整个积雪的5%, 2月增大到28%, 大量积雪在3月消融, 占55%. 从坡位看, 下坡消融速率最大;在一个垂直带上, 低海拔消融速率大于高海拔. 温度是影响积雪消融的主要因子, 积雪消融速率随温度升高而增大, 反之则减小.     

珠穆朗玛峰高程与板块构造运动问题

喜马拉雅山是由印度板块和欧亚板块相碰撞而形成,这已被当代多数有关科学家所认识。一些测量数据也表明喜马拉雅山现在仍在快速隆升。而喜马拉雅山主峰——珠穆朗玛峰的高程的测定,也成为当代地学界的热点。本文结合最新资料对精确测定珠峰高程的一些问题,诸如水准基面、峰顶标志和积雪等进行了讨论。     

气温偏高 入冬晚 降水偏多 积雪厚

2004年11～12月，新疆主要天气气候特点是：全疆各地气温偏高，导致全疆大部地区入冬期偏晚。降水11月北疆大部分地区偏多，南疆大部分地区偏少，12月全疆大部分地区偏多。12月份，由于天气过程多而强，造成北疆大部地区降水偏多、积雪偏厚，有利于冬麦的冬前生长及安全越冬，同时为牲畜提供了较充足的水源，总体对牲畜越冬有利。但12月中、下旬出现的强降雪和降温对牲畜的采食带来了一定的影响。     

青藏高原积雪时空变化特征的对比分析

本文通过对NCEP/NCAR和SMM/I两种积雪资料的对比分析,表明两种积雪资料反映出青藏高原的积雪变化特征比较一致,NCEP/NCAR积雪资料具有一定的可信度.     

天山西部中山带积雪变化趋势与气温和降水的关系——以巩乃斯河谷为例

根据位于巩乃斯河谷的天山积雪雪崩研究站近30年来的年最大雪深、月平均气温、月降水量观测记录，用平均差值法、最小二乘法、自回归滑动平均法检验了天山西部中山带积雪、冷季降水、冷季平均气温的变化趋势，结果表明，天山西部中山带积雪呈增加趋势，近30年来年平均增加1.43%，与青藏高原、南极大陆及格陵兰冰盖表面积雪积累增加相一致。天山西部中山带冷季气温和降水的变化趋势也是增加的，其中冷季降水平年平均增加0．12％，而冷季气温升高了0．8℃，积雪与冷季气温之间存在着弱的负相关关系，而与冷季降水呈显著的正相关关系。积雪的增加主要是因为气候变暖引起的冷季降水的增加对积雪增加的贡献大于由于冷季气温升高而造成积雪减少的贡献的结果。     

长江巨洪前期物理因子的配置

提出了长江巨洪前期物理因子配置的概念，在每一次巨洪发生之前，影响巨洪的主要物理因子之间一般都会表现出相似的特征，即出现一些固有的配置，这些配置正是长江发生巨洪的强信号，对长江巨洪的预测研究具有重要的指示作用。     

沙漠降春雨——气候变暖的产物

据1996年4月4日《人民日报》报道．面积33万平方公里的塔克拉玛干沙漠腹地，过去降陌十分罕见．3月15日下午，一场春雨从天而降，淅浙沥沥持续近l个小时；3月20日又下了一场4个小时的大雨。无独有偶，今年2月份《中国气象报》曾报道．从卫星云图上观测到塔克拉玛干沙漠腹地有一块l7万平方公里的积雪区，雪深3～10厘米．是有卫星遥感资料30年以来的第一次。     

青藏高原不同土地覆盖类型下积雪面积判别算法优化北大核心CSCD

MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂多样,积雪斑块化特征明显,单一阈值并不能精确地判识不同下垫面上的积雪。青藏高原被称为地球的第三极,是中国三大稳定积雪区之一,蕴藏了大量的淡水资源。随着全球气候变暖,青藏高原地区积雪融化时间提前,冰川融水增加,影响河流水量,造成洪涝灾害,进而影响人类正常生产生活,因此通过确定不同下垫面阈值,改善传统阈值的积雪高估低估现象,提高积雪识别精度,进而更准确地探究青藏高原积雪状况,显得尤为迫切。本文以青藏高原为研究对象,首先生成MODIS逐日无云NDSI序列并进行验证;其次对应站点雪深数据与NDSI序列,证实在下垫面为林地和非林地的区域,去云NDSI序列与站点雪深均有良好的对应关系,确定不同下垫面最优阈值范围;最后在最优阈值范围内通过混淆矩阵确定最优阈值。计算得出,林地NDSI=0.03时,总体精度最高为94.02%,在该NDSI之下,高估误差OE和低估误差UE分别为1.21%和4.60%;非林地NDSI=0.26时,总体精度OA最高为94.27%,在该NDSI之下,高估误差OE和低估误差UE分别为0.51%和5.03%。因此选取优化后林地阈值为NDSI=0.03,非林地阈值为NDSI=0.26。为避免地面常规观测资料尺度上的局限性,本文采用高精度的Landsat 8 OLI卫星数据识别结果,作为“真值”对优化后阈值的判别结果进行“像元—像元”级别的验证。在定量验证中,优化后NDSI阈值对MOD10A1 V006积雪判别结果的总体精度OA为84.21%,高估误差OE为5.33%,低估误差UE为10.46%;传统阈值对MOD10A1 V006积雪判别结果的总体精度OA为82.86%,高估误差OE为1.48%,低估误差UE为15.66%。可以看出在定量验证中,优化后阈值的积雪判别精度更高。同时在定性验证中,积雪大面积集中的区域,新的阈值与传统阈值提取效果均相对较好;积雪相对分散破碎的区域,优化后阈值能提取出大量积雪,传统阈值则不能。这表明考虑不同土地覆盖类型下的NDSI阈值优化可以有效地提高青藏高原积雪判别精度,为NDSI在积雪识别中的应用提供有力的支撑,有助于更准确地了解该地区积雪分布状况。     

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。     

FY-3 A/MERS I积雪制图中NDS I指标建立及积雪判识模型研究 ——以祁连山区为例

我国新型自主的极轨气象卫星风云3号A星（简称FY-3A）上搭载的中分辨率光谱成像仪（MERSI）为大面积雪监测提供了新的遥感数据源。以中国西北祁连山区为例,分析FY-3A/MERSI传感器积雪与其它地物的图谱特征差异,建立了适用于FY-3A/MERSI的归一化差分积雪指数（NDSI）,以此为基础,构建了综合利用多光谱判别指标及土地覆盖类型（LULC）定类辅助的积雪判识模型,生成250 m分辨率的日积雪制图产品。模型通过逐步逼近的树状判别结构,去除了易和积雪混淆的部分乔木林、云、云阴影、水体、湖冰、沙（盐）地等地物,并提出应考虑积雪下覆地表特性的影响,调整设定不同LULC类型的积雪判别阈值约束,实时结合区域LULC影像进行积雪的最终判定与优化。对祁连山区2010-2011年积雪季FY-3A/MERSI影像的积雪制图应用结果表明,该资料能够客观精细地反映积雪的空间分布与动态发展过程。同时利用气象台站积雪观测记录及Terra/MODIS积雪判识结果进行对比验证,结果表明基于FY-3A/MERSI建立的积雪判识模型具有较高的精度和稳定性,特别是提高了云雪区分的效能。